用Java实现人工智能编程.pdf下载

[weixin_39821228]

⽤Java实现⼈⼯智能编程 朋友们，如需转载请标明出处： 很少有程序员不对这⾥或者那⾥所包含的⼈⼯智能编程所吸引，然⽽，许多对AI感兴趣的程序员很快就因其中包含的算法的复杂性⽽退 却。在本⽂中，我们将讨论⼀个能⼤⼤简化这种复杂性的Java开源⼯程。 Java⾯向对象的神经⽹络(JOONE)是⼀开源⼯程，它提供给Java程序员⼀个⾼适应性的神经⽹络。该JOONE⼯程源代码由LGPL所保 护。简⾔之，这意味着源代码是可⾃由使⽤的⽽且你不需要⽀付版税就可以使⽤JOONE。JOONE可以从http://joone.sourceforge.net/ 处下载。 JOONE能允许你轻易地从⼀个Java程序中创建神经⽹络。JOONE⽀持许多特征，如多线程和分布式处理。这意味着JOONE能利⽤多 处理机计算机和多台计算机的优势来进⾏分布式处理。 　　神经⽹络 　　JOONE⽤Java实现了⼀个⼈⼯神经⽹络。⼀个⼈⼯神经⽹络试图仿效⽣物学神经⽹络的功能--神经⽹络组成今天在地球上⼏乎所有⾼ 等⽣命的⼤脑形式。神经⽹络由神经原组成。 从图1中你可以看出，神经原由⼀个内核细胞和⼏个长长的称为触⾓的连接器组成。神经原之间依靠这些触⾓进⾏连接。⽆论是⽣物学的还 是⼈⼯的神经⽹络，都通过触⾓把信号从⼀个神经原传递到另⼀个神经原来⼯作。 　　使⽤JOONE 　　在这篇⽂章中，你将看到⼀个简单的怎样使⽤JOONE的实例。神经⽹络题⽬涉及⼴泛并覆盖许多不同的应⽤领域。在本⽂中，我们将 展⽰给你怎样使⽤JOONE来解决⼀个很简单的模式识别问题。模式识别是神经⽹络中的最普遍的应⽤之⼀。 　　模式识别提供给神经⽹络⼀种模式，判断是否该神经⽹络能够识别出该模式。这种模式应该能够在某种程度上被扭曲⽽该神经⽹络仍然 能够识别它。这很像⼈类识别东西（如⼀个交通标志）的能⼒。⼈类应该能够识别在下⾬天，晴天或者晚上的交通标志。即使这些图像看上 去可能相当不同，但⼈类的⼤脑仍能够判断出它们是⼀样的图像。 　　当进⾏JOONE编程时，你⼀般要使⽤两种类型的对象。你要使⽤神经原层对象，⽤于描述⼀层的⼀个或多个的具有相似特征的神经 原。神经⽹络经常有⼀层或两层神经元。这些神经元层通过触⾓联系在⼀起。这些触⾓把这种待识别的模式，从⼀个神经元层传输到另⼀个 神经元层。 　　触⾓不仅把这种模式从⼀个神经元层传输到另⼀个神经元层。触⾓还将⽣成⼀些指向这种模式的元素的斜线。这些斜线将导致这种模式 的某些元素在被传输到下⼀个神经元层时不如通过其它⽅式传递更有效些。这些斜线通常称为权重，它们形成神经⽹络的存储系统。通过调 整存储在触⾓中的这些权重，可以更改神经⽹络的⾏为。 　　触⾓在JOONE中还承担着另外⼀个⾓⾊。在JOONE中，可以把触⾓看作是数据导管。正如触⾓把模式从⼀个神经元层传输到另⼀个神 经元层，指定版本的触⾓⽤于把模式传⼊和传出神经⽹络。下⾯将给你展⽰⼀个简单的单层的神经⽹络是怎样被构建并进⾏模式识别的。 训练神经⽹络 　　为实现本⽂的⽬的，我们将指导JOONE去识别⼀个很简单的模式。在这种模式中，我们将考察⼀个⼆进制的布尔操作，例如XOR。这 个XOR操作的真值表列举如下： X Y X XOR Y 0 0 0 0 1 1 1 0 1 1 1 0 1 1 0 　　正如你从上表中看到的，XOR运算的结果是只有当X和Y具有不同值时，结果才为真（1）。其它情况下，XOR运算结果均为假 （0）。默认地，JOONE从存储在你的系统中的⽂本⽂件中取得输⼊。这些⽂本⽂件通过使⽤⼀种称为FileInputSynapse的特殊触⾓来读 取。为了训练XOR运算问题，你必须建⽴⼀个输⼊⽂件-该⽂件包含上⾯显⽰的数据。该⽂件显⽰在列表1中。 　　列表1:为解决XOR问题的输⼊⽂件的内容 0.0;0.0;0.0 0.0;1.0;1.0 1.0;0.0;1.0 1.0;1.0;0.0 　　我们现在分析⼀个简单的程序，它指导JOONE来识别XOR运算并产⽣正确的结果。我们现在分析训练该神经⽹络必须被处理的过程。 训练过程包括把XOR问题提交给神经⽹络，然后观察结果。如果这个结果不是所预期的，该训练算法将调整存储在触⾓中的重量。在神经 ⽹络的实际输出和预料的输出之间的差距称为误差。训练将继续到误差⼩于⼀个可接受值为⽌。这个级别通常是⼀个百分数，如10%。我们 现在分析必须⽤于训练⼀个神经⽹络的代码。 　　训练过程通过建⽴神经⽹络开始，同时也必须创建隐蔽的输⼊层和输出层。 // ⾸先，创造这三个层 input = new SigmoidLayer(); hidden = new SigmoidLayer(); output = new SigmoidLayer(); 　　每个层被使⽤JOONE对象SigmoidLayer , 相关下载链接：https://download.csdn.net/download/qq_43934844/87505728?utm_source=bbsseo